Documente Academic
Documente Profesional
Documente Cultură
em Sade
Prof. Silvio Ricardo Pires
TPICOS
Introduo O que imagem?
O que Bit, Byte, LUT, Pixel e Imagem em Tons de Cinza
Contnuo versus Discreto
A influncia da amostragem e da quantizao
Tamanho do pixel e a influncia na imagem digital
Cores Primrias e a Imagem Colorida
Histograma em uma imagem digital
Operaes bsicas em uma matriz numrica
Brilho, contraste e manipulao do histograma da imagem digital
Influncia da janela (window) e do nvel (level) em uma imagem digital
Outras formas de manipular um histograma da imagem digital
Manipulao da matriz da imagem
Processamento no domnio da frequncia
Segmentao de imagem
Ampliao e reduo de imagens digitais
Alguns formatos de imagens digitais usados na rea da sade
Compresso de imagens digitais
Monitor de Vdeo para a rea da Sade
Formao da imagem com o uso de raios X
Formao da Imagem Digital da rea da Sade (receptores digitais)
Cuidados na Ampliao da Imagem Digital da rea da Sade
Qualidade da imagem digital para a rea da Sade
Padro DICOM Comunicao de Imagens Digitais em Medicina
PACS Sistema de Comunicao e Arquivamento de Imagens
Resoluo Espacial e Resoluo de Contraste
Relao sinal-rudo de uma imagem digital
Bibliografia
Processamento de Imagens
em Sade
Repare que o sistema binrio s pode ter dois estados (por exemplo,
ligado/desligado ou preto/branco) e que esses estados dependem da posio
para terem uma equivalncia com o sistema decimal. Cada elemento desse
sistema ter a nomenclatura de bit.
10
Figura 13 Imagem superior amostrada com 32x32 pixels (esquerda) e 64x64 pixels (direira);
imagem inferior com 128x128 pixels (esq.) e 256x256 pixels (dir.).
Figura 14-Imagens superiores quantizadas com dois , trs e quatro bits da esquerda para a
direita. Imagens inferiores quantizadas com cinco, seis e sete bits da esquerda para a direita.
Imagem 20x20 cm
Mtodo de rea
Imagem 5x5 cm
Imagem 20x20 cm
11
12
13
14
verde e o azul como cores primrias e para a percepo das demais cores
a soma da combinao desses trs comprimentos de onda especficos.
Imaginemos, ento, que cada uma dessas cores seja um sub-pixel e que
a intensidade luminosa seja equivalente ao pixel em tons de cinza. No caso
de um pixel em tons de cinza, temos o preto como a ausncia de sinal e
o branco como o sinal em sua maior intensidade. Assim, cada um deles
ter a mesma relao: o preto quando a intensidade do sinal for nula e as
respectivas cores quando a intensidade do sinal for mxima, como pode
ser observado na figura abaixo.
15
16
N (k)
p (k)
245
6%
655
16%
1109
27%
819
20%
451
11%
204
5%
204
5%
409
10%
Total
4096
17
18
19
20
|e
Numericamente seria:
|
Numericamente seria:
|e
|e
21
Numericamente seria:
|
|e
Numericamente seria:
|
|e
22
79
63
143
127
111
191
175
159
Figura 26 Exemplo do brilho de uma imagem de oito bits amostrada em uma matriz 3x3.
154
138
218
202
186
255
250
234
Figura 28 Exemplo do ganho de brilho de uma imagem de oito bits amostrada em uma
matriz 3x3.
23
Para um sistema de oito bits por canal dizemos que quanto mais
prximos os valores dos pixels estiverem de 255, mais alto ser o brilho
(intensidade) e quanto mais prximos os valores estiverem do zero, mais
baixo ser o brilho. Essa relao vale tanto para imagens em tons de cinza
quanto para imagens coloridas.
24
68
52
36
116
100
84
Figura 30 Exemplo da reduo do brilho de uma imagem de oito bits amostrada em uma
matriz 3x3.
ocorrer quando aplicarmos uma taxa com um valor entre zero e um, por
exemplo, 0,6. Para qualquer caso, o resultado sempre arredondado para
um nmero inteiro. Observe que o histograma da imagem distorcido;
aumentando o contraste ele ser esticado e reduzindo o contraste ele ser
espremido, sempre em relao ao valor de referncia de clculo. Em nosso
caso o ponto central. Os pixels que excederem os limites superiores e
inferiores devem ser limitados pelos valores mximos e mnimos possveis
na imagem. Outros modelos de clculo de realce de contraste podem
ser aplicados, por exemplo, adotando outro ponto de referncia para a
aplicao do clculo. Observe os exemplos abaixo para ampliao ou
reduo do contraste de uma imagem.
Fator de aumento
em 1,4
95
79
63
-32
-48
-64
-45
-67
-90
82
60
37
143
127
111
16
-16
22
-22
149
127
105
191
175
159
64
48
32
90
67
45
217
194
172
82
60
37
149
127
105
217
194
172
Diferena do valor do
pixel em relao ao
pixel do centro
Imagem Original
25
26
Imagem Original
Diferena do valor do
pixel em relao ao
pixel do centro
Fator de reduo em
0,6
95
79
63
-32
-48
-64
-19
-28
-38
108
99
89
143
127
111
16
-16
-6
133
127
121
191
175
159
64
48
32
38
28
19
165
155
146
108
99
89
133
127
121
165
155
146
27
28
29
30
78
(18%)
63
(14%)
212
(76%)
223
(82%)
231
(86%)
143
(43%)
127
(36%)
111
(30%)
175
(57%)
189
(64%)
201
(70%)
191
(65%)
175
(57%)
159
(50%)
124
(35%)
143
(43%)
160
(50%)
( )
NK
pr(rk)
245
0.060
0.060
655
0.160
0.220
1109
0.271
0.490
819
0.200
0.690
451
0.110
0.801
204
0.050
0.850
204
0.050
0.900
409
0.100
1.000
Total
4096
Sk
31
Probabilidade (%)
32
0,80
0,25
0,85
0,90
1,00
0,8
0,69
0,20
0,4
0,10
0,05
0,6
0,49
0,15
1,0
0,22
0,2
0,06
0,0
0,00
0
NK
pr(rk)
0/7 = 0,00
245
0.060
1/7 = 0,14
655
0.160
2/7 = 0,29
1109
0.271
3/7 = 0,43
819
0.200
4/7 = 0,57
451
0.110
5/7 = 0,71
204
0.050
6/7 = 0,86
204
0.050
7/7 = 1,00
409
0.100
Total
4096
Sk
Nvel Cinza
(sk)
N(Sk)
ps(Sk)
S0 = 0.06 0/7
S1 = 0.22 1/7
0/7
245
0,060
1/7
0,000
S2 = 0.49 2/7
S3 = 0.69 3/7
2/7
655
0,160
3/7
1109
0,271
S4 = 0.80 4/7
S5 = 0.85 5/7
4/7
0,000
5/7
819
0,200
S6 = 0.90 6/7
S7 = 1.00 7/7
6/7
859
0,210
7/7
409
0,100
4096
33
Histograma Equalizado
0,30
0,20
0,15
0,10
0,05
0,00
0
Probabilidade (%)
0,25
34
60
37
217
149
82
149
127
105
194
127
60
217
194
172
172
105
37
35
36
Imagem A
Imagem B
95
78
63
212
223
231
143
127
111
175
189
201
191
175
159
124
143
160
307
301
294
132
71
318
316
312
244
224
183
315
318
319
214
244
255
Imagem B
95
78
63
212
223
231
143
127
111
175
189
201
191
175
159
124
143
160
Imagem Subtrada (A - B)
-117
-145
-168
69
55
43
-32
-62
-90
111
96
82
67
32
-1
161
143
127
Matriz B A
Imagem Subtrada (B - A)
117
145
168
186
200
211
32
62
90
143
158
172
-67
-32
94
111
128
37
38
( )
( )
Sendo que: a0, a1, a2,...,b1, b2, b3, ... so as diferentes amplitudes e x, 2x,
3x,... so os resultados das combinaes das diferentes frequncias e fases.
O objetivo de transformar as imagens no domnio da frequncia facilita
a anlise da imagem por meio da identificao de aspectos mais frequentes
e comuns, sendo que isso traz a possibilidade de realizar operaes,
como filtrar, eliminar ou ampliar mais facilmente uma faixa especfica de
frequncia. Para compreender como isso possvel, vamos analisar como
conseguimos visualizar uma imagem. O olho humano funciona como um
detector de radiao na faixa de espectro da luz visvel, que corresponde
a radiaes com comprimento de onda entre 370 nm (violeta) a 750 nm
(vermelho). Em termos de frequncia, seria uma banda situada entre 400
THz e 790 THz. Como toda a informao observada entra no olho de
forma simultnea, todos esses sinais so somados resultando em uma nica
onda (sinal) extremamente complexa. Essa radiao excita os bastonetes
Figura 60 Exemplo da decomposio de uma informao visual recebida pelo olho humano.
39
e cones para que o sinal possa ser transmitido pelo nervo ptico para a
interpretao da imagem no crebro. O reconhecimento da informao
consiste na separao das frequncias em que esse sinal composto para
que seja possvel interpretar o que somente vermelho, azul, amarelo,
verde, etc. Portanto, o que o sistema olho-crebro faz uma Transformada
de Fourier da radiao recebida do domnio temporal para o domnio da
frequncia.
40
( )
Onde:
( )
( )
)]
)]
)]
)]
) (
41
42
Figura 63 esquerda, filtro passa baixa. Ao centro, filtro passa alta. direita, filtro passa
banda.
SEGMENTAO DE IMAGEM
A segmentao tem como principal objetivo subdividir a imagem
em regies especficas que as constituem, onde em cada regio haja um
conjunto de propriedades ou atributos, sendo que esses atributos podem
incluir informaes, por exemplo, nveis de contraste. Portanto, um conjunto
de regies ligadas, sem serem sobrepostas, a base para a definio de
43
44
Figura 65 Modelo de reduo da imagem. A imagem final apresenta o valor mdio dos
pixels da imagem original.
45
valor do pixel resultante. Consideremos quatro pixels com valores 40, 100,
100 e 140 ao agruparmos todos os pixels para um nico; podemos assumir
seu valor mdio de 95 como resultado. Lembrando que outros modelos
tambm podem ser aplicados para a reduo da imagem, conforme a
necessidade.
46
nmeros de linhas e colunas da matriz e n o nmero de bits armazenados. Imagens na rea da sade so construdas computacionalmente em
um arquivo capaz de armazenar informaes em oito ou 16 bits. Portanto,
qualquer imagem que tenha entre dois e oito bits de informao ir ocupar
o mesmo espao que uma imagem de oito bits e qualquer imagem que
tenha entre nove e 16 bits ir ocupar o mesmo espao que uma imagem de
16 bits. Dessa forma, no caso de uma imagem mdica cuja matriz seja
2560 X 4608 com 10 bits de armazenamento, o arquivo ser alocado em
uma estrutura de 16 bits e o tamanho da imagem ser de 23.592.960 Bytes
(23.040 kBytes ou 22,5 MBytes). Imagens da rea da sade podem ter seu
tamanho indexado por uma letra k, sendo que k tem o valor de 1024. Para
o exemplo acima, uma imagem cuja matriz 2560 X 4608 pode ser representada por 2,5k X 4,5k.
Em geral, um exame da rea da sade que utiliza imagens digitais
pode ser estruturado com mais de uma imagem, como o caso da
mamografia, ressonncia magntica, entre outros. Portanto, dependendo
da modalidade, o armazenamento da informao de um nico exame
pode ocupar um grande espao de arquivamento eletrnico, como o
caso da tomografia computadorizada, o que pode elevar muito o custo
(em espao e financeiro). Porm, esse problema no nico; tambm h
o problema da transmisso da informao por rede. Exames que ocupam
muito volume de dados exigem infraestrutura de rede sofisticada (elevando
mais ainda o custo financeiro), alm do elevado tempo de transmisso dos
exames.
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
LIVROS:
1. GONZALEZ, R.C.; WOODS, R.E. Digital Image Processing. 3. edio,
Addison-Wesley, 1992.
2. CONCI, A.; AZEVEDO, E.; LETA, F.G. Computao Grfica: volume 2
(Processamento e Anlise de Imagens Digitais), Campus/Elsevier. 2008 ISBN 85-352-1253-3.
3. PEDRINI, H.; SCHWARTSS, W. R. ANLISE DE IMAGENS DIGITAIS:
Princpios, Algoritmos e Aplicaes. Cengage Learning, 2007 - ISBN:
8522105952
TRABALHOS ACADMICOS:
1. MEDAGLIA, Diego R.; MANSSOUR, Isabel Harb. Segmentao de
Imagens Mdicas Baseada no Uso das Bibliotecas ITK e VTK. Pontifcia
Universidade Catlica do Rio Grande do Sul, Faculdade de Informtica.
http://www.inf.pucrs.br/manssour/Publicacoes/Sib2006.pdf
2. NEVES, Samuel Clayton Maciel; PELAES, Evaldo Gonalves. ESTUDO E
IMPLEMENTAO DE TCNICAS DE SEGMENTAO DE IMAGENS. Revista
Virtual de Iniciao Acadmica da UFPA. Vol. 1, No. 2, Julho 2001, Pgina
1 de 11
CONGRESSOS:
1. MASCARENHAS, N.D. Introduo ao Processamento Digital de Imagens.
In: ANAIS DA I JORNADA EPUSP/IEEE DE COMPUTAO VISUAL, 1990,
387-420.
2. MARQUES, F.A.L.; COSTA, F.M. Filtragem de Imagens Usando Filtros
Adaptativos. Relatrio Tcnico, CEFET-PR, Curitiba-PR, 1996.
3. COBRA, D.T.Q.; COSTA, J.A.D.D.; MENEZES, M.F.B. Realce de Imagens
Atravs de Hiperbolizao Quadrtica do Histograma. In: ANAIS DO V
SIBGRAPI , Novembro 1992, 63-71.
4. JAYME, C.A.; MARQUES FILHO, O.; GODOY Jr., W. Proposta de um Mtodo
para Compactao de Imagens de Assinaturas, Aplicvel Automao
Bancria. In: CONGRESSO DO MERCOSOFT 93, Curitiba-PR, Maio 1993.
69
BIBLIOGRAFIA
70
TESES E DISSERTAES:
1. JAYME, C.A. Proposta de um Mtodo para Compactao de Imagens
de Assinaturas. Tese [Dissertao de Mestrado], CPGEI, CEFET-PR, Abril
1992.
2. SANTOS, V. T. Segmentao de Imagens Mamogrficas para Deteco de
Ndulos em Mamas Densas. Tese [Dissertao de Mestrado] - USP, 2002.
3. MARQUES, Ftima de Lourdes S.N. Processamento grfico para aplicaes
em sade: tcnicas, requisitos, ferramentas, desafios e oportunidades.
Tese [Livre Docncia]. So Paulo: Universidade de So Paulo, Escola de
Artes, Cincias e Humanidades; 2011 [acesso 2014-04-08]. Disponvel
em: http://www.teses.usp.br/teses/disponiveis/livredocencia/100/tde30042013-181003/.
ARTIGOS:
1. FREITAS, C.M.D.S.et al. Introduo Visualizao de Informaes. Revista
de Informtica Terica e Aplicada, Porto Alegre, RS, v. 8, n. 2, p. 143-158,
2001.
2. MARQUES, Paulo Mazzoncini de Azevedo; SALOMO, Samuel Covas.
PACS: Sistemas de Arquivamento e Distribuio de Imagens. Revista
Brasileira de Fsica Mdica, 2009;3(1):131-9.
3. NOBRE, Luiz Felip : VON WANGENHEIM, Ald ; MARQUESs Paulo
Mazzoncini de Azevedo. Monitores radiolgicos: necessidade ou luxo.
Radiol Bras [serial on the Internet]. 2012 Aug [cited 2014 Apr 08] ;
45( 4 ): V-VI. Available from: http://www.scielo.br/scielo.php?script=sci_
arttext&pid=S0100-39842012000400001&lng=en. http://dx.doi.
org/10.1590/S0100-39842012000400001.
OUTROS:
4. NINCE, U. S. Sistemas de Televiso e Vdeo, LTC, 1991.
5. GROB, B. Televiso e Sistemas de Vdeo, Guanabara, 1989.